AD
Admin
Papers
Topics
View Site
Edit Paper
VAD: 向量化场景表示的端到端自动驾驶
论文标题
*
英文原标题
(选填)
arXiv / 原文链接
(选填)
自动填充
粘贴 arXiv 链接后点击“自动填充”可获取标题、作者、摘要、日期
GitHub 链接
(选填)
作者
(选填,回车添加)
发表日期
*
发表会议/期刊
(选填)
有开源实现
精选推荐
英文摘要
(选填,可从 arXiv 自动填充)
中文摘要
*
提出全向量化驾驶场景表示,将agent运动和地图元素建模为显式向量实例,避免密集栅格化,实现高效端到端规划。
54/200
工程评注
*
**量产方案首选方向**:向量化比栅格化快3倍。 - 天然处理变长车道线,无需固定BEV grid - 高速/结构化道路效果最佳,复杂路口需增加 map vector 数量 - VADv2 引入概率预测,进一步提升安全性 - 端侧推理约 20ms(Orin),优于同类方法
支持 Markdown 格式,无字数限制
标签分类
(已选 4 个)
技术方向
(1 selected)
感知
Perception
预测
Prediction
规划
Planning
控制
Control
地图
Mapping
定位
Localization
技术范式
(1 selected)
端到端
End-to-End
VLM
Vision-Language Model
VLA
Vision-Language-Action
世界模型
World Model
强化学习
Reinforcement Learning
数据相关
数据生成
Data Generation
自动标注
Auto Labeling
仿真
Simulation
应用场景
(2 selected)
城市道路
Urban Road
高速
Highway
停车
Parking
越野
Off-road
关联公司
特斯拉
Tesla
Waymo
Waymo
华为
Huawei
百度Apollo
Baidu Apollo
小鹏
Xpeng
理想
Li Auto
蔚来
NIO
地平线
Horizon Robotics
商汤
SenseTime
Nvidia
Nvidia
Comma.ai
Comma.ai
大疆卓驭
DJI
论文类型
综述
Survey
开创性工作
Seminal Work
工程实践
Engineering Practice
增量改进
Incremental
行业报告
Industry Report
手动关联论文
(选填,搜索标题添加)
Update Paper
Cancel